摘要
本发明公开了一种面向车联网网络切片的效用最大化资源分配方法,针对车联网系统下的车辆业务资源分配问题,结合网络切片技术,考虑到不同车联网业务速率、时延以及车辆移动性对于网络效用的影响,以最大化网络效用为目标,构建了一种基于车联网系统的网络切片资源分配模型。提出了一种基于动态记忆库的双Sigmoid函数粒子群优化算法(MBDS‑PSO),增强了算法的全局和局部搜索能力,降低了算法求解结果的标准差,解决了传统粒子群算法以及一些改进算法对于前后期搜索能力过渡不平滑等问题,实现了在相同时间复杂度下缩短算法运算时间的同时能够在资源分配过程中为系统带来更高的网络效用。
技术关键词
面向车联网
资源分配
网络效用最大化
Sigmoid函数
车联网业务
粒子群算法求解
记忆
车辆
车联网系统
最大化网络效用
时延
斜率控制
罚函数法
噪声功率谱密度
网络切片技术
系统为您推荐了相关专利信息
贝叶斯神经网络
决策
多模态信息融合
智能小车
信息熵
无人机编队
无人机集群
多智能体强化学习
决策
深度Q学习
资源分配策略
需求预测模型
资源分配方法
资源分配装置
训练样本数据
约束优化模型
实体
业务数据构建
资源分配方法
策略
无人机
轨迹优化方法
多输入多输出系统
波束成形向量
资源分配算法